RAIN框架自适应精炼动作块，真机成功率升至72.5%

Hanlin Liu 等研究者提出机器人操作框架 RAIN（Refine Actions If Needed），先预测动作在不同精修层级上的误差，再决定是否及精修多少，通过集成模型对比动作提案、精修版本与离线演示专家动作训练，无需显式精修需求标签。 在八个 ManiSkill 仿真任务和四个真机任务上评估：仿真成功率 66.6%，接近所评测扩散策略的最佳水平，策略延迟低 5.71 倍；真机成功率从 ACT 的 55.0% 升至 72.5%，平均成功完成时间相当。匹配对照显示，动态路由保持了所观测到的最强固定精修成功率，同时精修器评估次数减少 26.6%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。